实体
exponential smoothing
exponential smoothing
PulseAugur coverage of exponential smoothing — every cluster mentioning exponential smoothing across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Wasserstein Exponential Smoothing 将预测扩展到分布时间序列
研究人员开发了一种名为 Wasserstein Exponential Smoothing (WES) 的新方法，将指数平滑技术扩展到分布时间序列。这种方法允许在观测值是概率分布而非单个实数时进行预测。该论文详细介绍了在 Wasserstein 空间内对指数平滑的原则性推广，并展示了如何通过最小化 Wasserstein 距离来估计平滑参数，在金融和能源需求预测中显示出实际效果。
-
超树框架将梯度提升树与经典预测模型相结合
研究人员推出了一种新颖的时间序列预测框架 Hyper-Trees，该框架将梯度提升树与 ARIMA 等经典预测模型相结合。这种方法将这些经典模型的参数学习为输入特征的函数，从而将时间序列归纳偏差嵌入到基于树的方法中。为了解决扩展限制，Hyper-Trees 采用混合架构，其中决策树生成表示，神经网络利用这些表示来学习预测模型参数。